论文部分内容阅读
图像处理是光学、电子学、数学和计算机技术的交叉学科,在众多科学与工程领域有着重要应用。不适定性问题是图像处理与视觉计算中存在的共性的问题,需要从退化的图像中恢复或重现目标信息,常导致视觉计算同时存在多个解。这就需要进行适当的选择,在分析问题时引入先验约束,从而使得到的解符合实际的需要和适当的准则。近年来随机场方法在图像处理领域获得广泛应用,它提供了一个可正确利用先验知识、按统一理论分析框架解决不适定的视觉问题的有效途径。
基于随机场的图像处理方法具有如下优点:它具有较为完备的数学理论,提供了解决图像分析问题的统一的处理框架,充分利用了局部视觉信息的上下文约束关系,可以综合计算机视觉中各类模块的处理结果,可以在图像不同部分同时计算,能实现大规模并行算法,可以为多分辨率计算提供基础,在不影响全局收敛性的基础上提高计算速度。目前基于随机场的图像处理方法应用涉及图像恢复与重建、边缘检测、图像分割、模板匹配、纹理分析、视频分析等诸多方面,具有广泛的应用前景。它也是目前图像处理中的研究热点之一,具有重要研究价值。
本文研究了随机场模型的基本理论和基于随机场的图像处理方法,总结了其在图像处理中应用的一般步骤。分析了基于马尔科夫随机场(MarkovRandomField,MRF)的图像降噪方法,并与中值滤波和Wiener滤波方法进行比较,结果显示基于MRF的图像降噪方法具有更优的结果,抗噪性能更强,降噪图像的峰值信噪比更高。针对传统MRF固定邻域的不足,提出一种新的MRF的线型可变邻域结构模型,该结构具有细分的线型特征,较为充分的考虑了可能的8个方向上的图像组成,并为其设计了部分加权的先验能量模型,对图像上下文信息进行建模。根据像元的局部特性,选择适合该像元的邻域形状,将邻域的选择和图像标记结合在一起,通过迭代优化得到图像分割结果。实验证明本文方法取得了较好结果。